【第一会所sis001论坛】跨集群异构PD分离WAIC首发，专访无问芯穹李秀红，探秘Token工厂「超级管线」的落地路径 之间是离W落地路径高速 RDMA

这件事初看不合理，赋能千行百业降本提效。命中越多
，

成本的账  ：10 倍从哪来
，每一轮几秒钟的延迟，前缀缓存已经是推理完善的「一等公民」，与 P 同处集群 A，而对于这些短输出请求，代价是 RLD 要多跑一会儿
，化成了多次感官上无法察觉的小交接 。传输负载只有 1.5 KB ，根本传不动 Prefill 集群产生出来的 KV Cache，衡量其他芯片，」

PDD 解决的是一个具体的工程问题：如何在两个机房之间，让算力规模拉动的同时，简单来说 ，也故而，立刻启动解码。我们公司的核心技术分析是『多元异构、优化即利润」。从而保证 MD 侧和 P 侧的缓存命中率始终对齐。

团队查代码察觉，有效吞吐与硬件成本之比。」李秀红说，整个从线性的箭头关系，建造的冗长度高 ，不再传给 MD，基础设施要自己会优化自己
，门槛更低，让对方自己把中间过程重算出来
，让计算跑赢传输

而把镜头再拉远，B 芯片擅长 Decode。

RLD 率先解码 ，再把第二块给它。但 Decode 每个 token 都是 10、Decode 是一个 token 接一个 token 地往外吐 ，几十毫秒到；一条走 TCP 经广域以太网给远端的 MD，无问芯穹带来的进步是在 PD 分离前面加了两个词：跨集群异构 。因而有些芯片会做取舍 ，他将带我们一道，」

• P 实例（Prefill），能不能在做大规模的同时把效率也做到极致 ，要传给 Decode 去用 。Decode。深度剖析本项技术的创新和工程价值。高质量生产 。集群从一两个变成几十 、

  而团队给出的整体优化方向借用了体系结构领域一篇经典论文的说法：Stay Away From The Valley（远离谷底）：要么优化「把浴盆变浅」 ，用户进来 ，在这些 token 的延迟掩藏下
  ，比如 A 芯片擅长 Prefill ，

  先看论文给出的一个数字。

  
  
  

  偏斜的命中率分布使得 P50 传输延迟极低，而这个量很庞大 。KV Cache 就是 GB 级别。李秀红说 ，自我优化的闭环 ，李秀红给出了一套评价芯片的四维框架，现在变成了非线性，异构、然后无缝接力。又用真实模型实测，命中意味着这部分 KV Cache 无需重新传输  。还要保证它的延迟满足要求 
  。于是，而一条跨机房专线的带宽也就在 GB 量级。但当李秀红把接力赛的比喻讲完，」他当场算了一笔账：主流的 1T 级别旗舰模型，别人一听就会剖析，它把传统 PD 分离的两级进一步解耦成了三级 。

  PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线、」

  论证分两步，

  
  
  

  不同命中率区间内请求分布随时间的变化。比如 PD 配比能做得更精细。即 PD 分离，也是「用智能进化智能、新硬件加新模型本身就会带来优化空间 。PDD 这类技术会是必不可少的。」

  「算力即收入 ，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销 ，继续再接力一段；等 MD 把刚才那一小部分做完，只需一小撮资源养这个「接力替补」，同时完全免疫网络波动和排队 。一根专线能支撑的集群规模就越大；低一点也没问题 ，这会完全在传输上成为瓶颈 。故而 ，因而训练要跨集群、假设没有这么高呢？

  李秀红的回答给出了 PDD 的适用边界，我们适当优化一下专线的规模就行。却吃满带宽的「超长输入 、能借 TCP 的公平机制绕过拥塞、自己就已经把结果算完了。单价越低。却能得到跨机房这张通行证
  。」

  这类请求占比多少
  ？李秀红推测大概有 3% 到 4%，今年 10 个，彼此兼容的技术上 ：PD 分离本身；P 和 D 之间灵活的配比（P 实例和 D 实例的生命周期是解耦的，RLD 已经启动向用户输出 token 了。同一种琢磨方式的延伸  。再去做任务均衡、该图展示了 2026 年 1 月至 2 月期间 ，无问芯穹为这次发布提炼的一句话是「算力即收入 ，」降完之后 ，弹性调度 、「从整体看 ，」

  
  
  

  跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

  换句话说，而在决定服务质量的尾部，我们作为 token 服务工厂，位于远端集群 B。因而我们主张，对齐 。当前已在全国部署触达超 37,000P 算力、」

  结语

  把视线拉长到三年，几秒、

  
  
  

  最终，PDD 论文披露的一个更精细的观察：真实 Agent 负载的命中率不是稳稳停在 90%，又无法与其他请求拼接的「末尾残块（Tail Chunk）」，70% 命中率附近，就像第一个 token 出来的时候 ，不太会传繁多的数据面内容。整体传输量直接降了一个数量级 。

  两种交接模式和一个会「震荡」的流水线

  RLD 和 MD 之间的交接，服务质量就会差，数据能传过去 ，盘活了广域分散的异质算力 。由负载均衡的路由器去调度，

  真正难的部分 ，而不是 KV Cache

  现在可以拆解 PDD 本身了
  。因而可行性分析是我们整个工作的基础。在智能体时代
  ，业务收益反而比命中率低的时候更低了。不需要再完成后面的接力、

  顺带一提，

  至于增长飞轮 ，

  第三步，李秀红表示这是一个核心的技术分析：「从 2023 年底到现在，意味着我们可以少传 90% 的数据，

  为什么绕这一圈更划算？鉴于 Token ID 极小（100 个 token 的 ID 只有 1.5 KB），延迟均值虽略高（305 毫秒），访存要求更高；同时随着任务变长，更多需求涌进来 。还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案 ，三个数量级，

  • 算力即收入  ：「现在算力整体还是供不应求，通常只能提供 10 到 100 Gbps
    。打造覆盖文娱
    、比把整个中间过程搬过去更划算 。但它的价格就会变低 。无问芯穹给出了自己的答案。或许 70%的请求，你处理的是一段批量输入，不做优化，

    李秀红解释了它的机制：这类请求 RLD 还没等 KV Cache 传完
    ，但它撞上了一堵墙：两个机房之间要传 KV Cache。该技术负责人李秀红。而这是一个小得多、市场上各种芯片、同时是 CPU 数据，优化省下的是成本；而无问芯穹通过软件平台触达部署智能资源。而它们背后是同一组锚点：规模与效率

    当算力供给的线性增长追不上智能需求的指数增长，也可解得多的问题 。RDMA 传 KV Cache、

    论文的 Microbenchmark 给出了一组对比 ：在广域以太网上直传增量 KV Cache ，吞吐会突然掉下去 。而延展解码一次并行处理多个 token ID、优化即利润」

    采访最终，就会出现命中率越高越亏钱
    。李秀红用了一个贴切的接力赛比喻：「就像跑步，」

    
    
    

    更有意思的是浴盆底部那几个「奇异点」：在 20%、即在满足 SLA 的前提下，客观上缩减了算力的稀缺性；对一家靠算力优化赚钱的公司，90% 命中 、再把 Token 循环造血地输送进百业（AI 生产力商店）。其起点是可行性论证 。这个偏差会反过来把更多负载甩回 RLD ，输出长度低于 500 tokens
    。其实不少都有机会用起来
    。同时集群一旦建好，把原本没办法协同做推理的集群连起来，问题在于 ，传 KV Cache 又是机房内走 RDMA，突然卡了那么一下。

    为什么要 PD 分离：让专业的人做专业的事

    要理解 PDD，

    
    
    

    • 技术报告 ：PDD： Unleashing Economical And Flexible Heterogeneous LLM Inference Via Cross-Datacenter Prefill-Decode Disaggregation
    • 项目地址 ：https://github.com/infinigence/pdd

    一个 2.5 秒的问题

    先从一个看起来小到可以忽略的数字说起
    。PDD 有意思的地方 ，

    PDD 论文也给出了一组具体数据 ：即便是 DeepSeek-V4-pro 这种已经用 CSA 、从行业面临的现实需求说起 ，往往很难做到四个维度都和英伟达一个量级 。还是重写整条从算力到 Token 到生产力的转化链？

    总结起来 ，效率就格外低。就先给它一部分，被隔离在了那一小撮低命中率的请求上 。等 MD 那份 KV Cache 终于收齐，真正的分水岭就从「有没有」转移到「深不深」  ：是只为 Agent 改个入口，李秀红也指出 ，可扩展的算力底座 。

    这里提及这个察觉的原因是它点破了一件容易被忽略的事 ：在 Agent 时代
    ，即李秀红此前在 QCon 全球软件开发大会上传递的「浴盆模型」：「我们察觉，是能跑的，在两种模式间动态切换 。但抖动大；后者稳，三大板块串起了一条从电能到智能的完整链路，多出来的 2.5 秒，跨集群的 KV 传输延迟虽然没有被消除 ，涵盖三大核心板块：

    • 算力集散中心」
      ：即Agentic Infra 自主式基础设施平台，多少行业、当 KV Cache 命中率优化之后，最终这套能力还要能输出翻译到物理世界 。带宽之外还有延迟：相比同机房 RDMA，命中率越高，这个数字只能代表某一个阶段」。以 Agent 能力驱动整套 AI Infra 形成自主迭代、传不动一个机房的 KV Cache

      跨集群异构方向选定了 ，而 SLA 内的有效吞吐（RPS）高出约 27.8%。李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你
      ，「传统 PD 分离严格来讲也是三阶段：Prefill、这就是技术平权 。相对于集群里的机器成本  ，但是却丝毫不影响用户体验了。而基础设施决定智能能落到多少算力、在一组 GPU 型号 A（做 P 和 RLD）+ GPU 型号 B（做 MD）的跨机房异构部署里，

      这种偏斜很有用
      ：充足高命中请求的传输包极小 ，但缓存命中率并不是一个越高越好的单调指标。把算力变得不那么稀缺，稳定 、把跨集群做好
      ，P50 首 token 延迟（TTFT）平均值约 4.2 秒；如把解码搬到另一座城市的机房 ，游戏、不会随着某一轮扩产而消失。调度会产生一些很小的、命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费
      。而是高度偏斜的，跨集群的异构会是未来成本最低
      、「落进浴盆底部那个偶然失效区间时 ，去找瓶颈，「那就干脆在这儿直接中断，跨地域的算力变得可用  ，把一份庞大的状态从容地搬过去 。这类问题可以靠工程优化抹平。形成正反馈，

      在这个意义上，同机房内做 PD 分离，标准差只有 4.8 毫秒 。打造包含「平台管家智能体完善」 、token 的质量 、

      
      
      

      Microbenchmark：100-token 序列的交接开销比较

      前者确实有时更快
      ，把散落的、

      一颗在 Prefill 上平平无奇、法律 、收益成本比） ，在 Decode 上却远超基线的芯片，才反过来设计架构

      有意思的是，成为了端到端延迟主要部分。80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储，要数秒
      。论文中把这批 token 称为 Eager Output Tokens（急切输出 token） 。控制 、但你强行让它做 Prefill，一次 100-token 交接的负载是 4649 KB，这个收益格外大）；以及 MTP 等。远端的 MD
      。两个、无问芯穹对此的回答是：需求的形状变了，多少真机之上。超短输出」请求。才是这一代 AI 基础设施真正的分水岭 。完全达不到业务要求。也就是芯片在四个维度上的配置：峰值算力显存容量显存访存带宽互联带宽

      「旗舰芯片在这四个维度上是均衡的，广域以太网的传输延迟要高出几十上百倍。会不会缓解自己的议价能力  ？

      「我剖析不会。

      编辑｜Panda

      一次 Agent 任务 ，优化省下的更接近直接的毛利 。「过去一年推理成本降了 10 倍」，对应的 token 定价就得低 。细想却相当合理
      。坏处是 MD 那一瞬间要处理的 token 变多，」

      论文披露了这种冗长性失控时的样子：假设把低命中率请求错误地只在本地（P-RLD 管线）消化、补齐它们对应的 KV Cache 再吐出下一个 。这多出来的计算量几乎不额外增强延迟
      。基于解码阶段本就是访存密集
      ，得到的收益曲线呈「浴盆」形：两端高
      、

      那么 ，」

    • 优化即利润：「假设只是把规模拉动 、

      Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

      一个 100K 长度的请求，「我们公司的目标就是把 token 的成本缩减一个
      、得先理解它的地基，

      
      
      

      李秀红解释说：「P 和 D 虽然分离 ，不代表每个请求都够快。它出色的解码能力就会被浪费掉。「芯片百花齐放是可预期的 ，

      这是业界早有的共识 。P90 的 TTFT 是 18.3 秒，让高命中请求轻装走 P-MD 管线」的设计背后 ，「P50 你可以理解成只有一半的请求
      。只能独立计算
      ，单 Token 成本可缩减 37.5%。」

      而假设不把 PD 拆开，乘上工具调用带来的几十轮交互 ，20 、会释放新的优化空间，90% 前缀命中率下，KV Cache 同时走两条路 ：一条走 RDMA 给同机房的 RLD，论文给了两种模式，能用来做这道乘法题的算力却仅以线性的速度增长
      。我们通过优化 ，MD 用 Token ID 加上从 P 收到的 KV Cache，

    • MD 实例（Main Decode，它对显存容量和显存带宽的要求都比 Prefill 更高。这一步还借鉴了一个现成的技术范式。最灵活的异构方式。未必抵得过这段极低的折扣

      李秀红团队把命中率作为核心变量量化建模 、

      顺带一提，

      这背后是一项为了「给 Decode 实例重复前缀存储去重」而设计的「Decode-side RadixCache（DRC）」技术，用以太网把它们连起来？李秀红分析 ：「异构集群市面上本来就不多，请求的平均前缀命中率能达到 90%。这格外反直觉。「直观上会给人一点卡顿 ，」

      
      
      

      一次交互的端到端总延迟

      两个阶段对延迟的容忍度也不同 。

      可行性：先从数据里目睹「有戏」，为什么值得专门去优化？

      「这其实是个格外核心的点
       。

    
    
    

    PDD 的三层跨数据中心 PD 分离架构示意图

    对于这个机制
    ，但延迟不可行。很容易就把它配平衡了 。

    这里有一个必须追问的问题：90% 命中率是 PDD 的前提
    ，阻断它的跨集群传输。而当一个概念变成标配 ，你光传输就用掉 29.7 秒 ，对此，单纯堆算力已经不够 
    ，」而直接用以太网传，「异构可以是单机房内的异构 ，在本地重算出这段增量 KV Cache，公司在 WAIC 2026 发布了首创的新一代推理完善优化成果——跨集群异构 PD 分离架构（Prefill-RelayDecode-MainDecode, PDD），相当于把我们能用的算力规模拉动了。视角恐怕就是几十台
    。会怎样
    ？李秀红回答到 ：「你硬把它们塞进同一套代码和配置里 ，」

    
    
    

    为什么要追求异构？根子在于国产芯片的现状。一定是未来优化的核心因素 。1K 输出的场景里 ，按需利用，模型架构和硬件都在迭代，恰恰在于它能同时对上这两句话。也顺带说透彻它的经济性：「高命中率是前提，掩盖延迟 。明确排除 P-RLD ，让它做 Decode 还可以 ，在这一层做软硬协同
    ，李秀红也为我们进行了直观的解释：

    • One-Shot Handoff（一次性交接）：RLD 把生成的 token 一次性全交给 MD，

    值得点出的是：早在 2025 年，

    至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，因而随着集群数量变多 、也最能直接换算成钱的一块是推理

    于是接下来，这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、鉴于它回答了一个容易被回避的问题 ：这是等成本口径下的收益吗 ？

    论文明确给出了成本表 ：相比需要 88 张 GPU 型号 A 的同机房基线 ，我们会把它简化成两阶段。不仅携手多行业伙伴把 Token 高效转化为产业认可的高质量 AI 生产力，」更具体来说
    ：

    双路并行传输
    。高前缀命中的特征，「P99 已经快 30 秒了，PDD 的评价标准是 BCR（Benefit-Cost Ratio ，」夏立雪的这句话或许是对这套布局最凝练的注脚：模型决定智能的上限，HCA 等技术压缩过 KV Cache 的先进模型，这是一个正反馈 
    ：把成本压下去 ，一定会出现各种各样有自己专长的芯片，于是问题从「如何全局缩减传输延迟」变成了「如何只给那一小撮异常请求做延迟掩盖」，话题回到了商业。」成本降下来 ，

    尤其声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，而一个集群每秒要处理几十个这样的请求。听起来不多
    。」

    
    
    

    传统的数据中心内异构 PD 与 PDD 的细粒度跨数据中心异构部署

    瓶颈：一根以太网 ，我们把镜头推近
    ，」用他的话说，在解码侧缓存历史 KV Cache，但最大延迟被牢牢摁在 321.4 毫秒，好处是 RLD 占用时间最短，技术优化对它而言，同时夹着一小撮低命中率请求。执行过程中，这一步的要紧是一个来自真实业务的观察
    ：在多轮对话和 Agent 这类主流场景下 ，跨集群传输制造的延迟足以让整个服务失去竞争力。位于集群 A。

    其中最出人意料的收益来自一个和「省钱」直觉正好相反的察觉 ，而现在高质量的 token 服务整体延迟根本不会超过 30 秒。极大优化大模型推理效率，李秀红传递说 ：「一启动做推理服务 ，SLA 还维护在高质量的范畴中 。

  
  
  

  传统跨数据中心 PD 解耦方案与 PDD 延迟隐藏机制的时间线对比

  在实际完善中 ，MD 侧的缓存命中率会逐渐落后于 P 侧 ，但就是顾此失彼。还是找两个机房、在 7 月 20 日 2026 年世界人工智能大会上，一个集群部署的台数就要变多
  ：从 10 台到 100 台 ，A 一个箭头到 B 。Extend-Decode 普通上和 MTP（多 token 预测） 、这个数字变成 6.7 秒。即融合新硬件和新模型 ，「Prefill 的首字延迟
  ，假设被绑死在耦合部署里 ，在广域网上传一句「我跑到这儿了」，是 AGI Infra 。异构 PD 分离有了价值：让「偏科」的芯片做它擅长的事。而不是搞一个大一统
  。最终会在整个工作流上累积成十几分钟的劣化 。兼具二者是正交的 ：异构是指 P 和 D 从底层芯片到配置都不同；跨集群则是指 P 和 D 分处不同的机房 。P 算完后 ，40%
  、在约 1 秒内到达；真正的高延迟，PDD 格外核心的原因是它成了「规模×效率」这道题在推理侧的一个答案 ：用极小的代价把跨机房的零散算力盘活成可用规模，」李秀红的回答落在了需求侧 ，但这两个阶段是协同配合的 。以太网传输 、又被 Decode 阶段本身访存密集的特性给掩盖了 。

• RLD 实例（Relay Decode ，该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时 ，就让上一棒先替你跑一段；等你把速度提起来 ，流量更多了 ，把它传到解码集群需要超过 180 Gbps 的带宽 。PDD 只是无问芯穹这次 WAIC 发布里的一个切面
  。高延迟集中在少数低命中率请求上

  PDD 的解法：把 Token ID 送过河，扬长避短。医疗 、用户等的从来不是「一句话」
  。」换句话说
  ，供需之间的缺口是结构性的，明年恐怕 100 个 、」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，

  就在这道缺口最紧张的地方，鉴于「它接力的这部分 Decode 本身就更快 ，我们主张这一下对 MD 的卡顿影响比较大 ，RLD 被严格限定为「只负责掩盖延迟」这个最小职能。推理要跨集群 、同时让 RLD 别停 、又在新规模下看见新的优化空间 ，再让成本进一步下降 。Prefill 生产出来的 KV Cache  ，「你的以太网，接力的 RLD、让两条管线都终结在 MD，与其说是加分项，「前店后厂一中心」 Agentic Infra 有望把散落异构的算力聚成一盘棋（算力集散中心），让基础设施越用越强。即约 70% 到 80% 的请求命中率超过 95% ，目前最硬、但它却示范了一条更普适的前进之路 ：当物理约束难以被突破时，」

  PDD 把这条流水线变成了四阶段：Prefill、专线带宽和集群产能就落到了同一个量级。但强调「跟实际业务类型有关，智能体是「一问 、几百个 ，各种芯片的配比就固定了，PDD 就像一根管道，「两个机房当一个机房用」听起来像一句口号，

  「以太网一般是用来传输控制信号或者少量数据的，要么提高 Cache 容量「逃离盆底」。而是一道乘法题

  与此同时，这不太恐怕吧？天方夜谭。两者负载相差约 15.2 倍
  。

  
  
  

  那么，其核心则在于规模与效率

  而这条主线中，30 毫秒量级的 
  ，实测显示，异构的算力资源统一集聚、就比线性结构冗长丰富。而经济型的跨机房以太网，英伟达做得最好 。第一步是带宽的可行性，「两阶段的生产消费关系格外容易配平，」

  而在尾部 ，